S 控制图
S 图绘制每个子组的标准差,以检查过程离散程度是否保持稳定,应先于 Xbar 图查看。用于子组大于 8,或需要更灵敏地检测变异变化的场合。保持子组大小一致,至少收集 25 个子组,并使用独立的正态数据。检验规则会标示偏移、趋势和其他非随机模式。
最后审阅
核心要点
S 控制图与 Xbar 图配合,监控子组标准差随时间的变化;当子组大于 8 时取代 R 图,因为标准差利用了子组中的每一个数据点。
什么是 S 控制图?
S 控制图监控子组的标准差(离散程度)随时间的变化。它与 Xbar 图配合使用,在子组较大时取代 R 图,因为对于较大的样本,标准差比极差更精确、更灵敏地度量变异。
R 图只看最高值与最低值之间的差距,而 S 图则考虑子组中的每一个数据点——能更准确地反映过程的变异程度。
简要定义:一种追踪每个样本内部变异随时间变化的控制图,使用标准差以获得更精确的视图,对较大的子组尤其有用。
何时使用 S 控制图?
- 在子组大小 大于 8 时使用:此时标准差是比极差更可靠的度量。
- 与 Xbar 图 配合使用,同时监控过程中心和过程离散程度。
- 在需要 更灵敏地检测 过程变异的微小变化时使用。
- 对于子组大小 2 至 8,Xbar-R 图已足够,且更易于解读。
正确使用 S 控制图的指南
- 务必 先查看 S 图,再解读 Xbar 图:不稳定的变异会使 Xbar 图的控制限不可靠。
- 在所有时间点保持 子组大小一致,以确保控制限计算有效。
- 至少收集 25 个子组,以建立可靠的基准控制限。
- 子组内的数据应 相互独立且服从正态分布,S 图才能准确发挥作用。
替代方法:何时不宜使用 S 控制图
- 如果子组大小 为 8 或更小,请改用 Xbar-R 控制图,它更简单,且对小子组同样有效。
- 如果数据以 单个测量值且没有子组划分的方式收集,请使用 I-MR 控制图
- 如果响应是 计数型数据(不合格品数或比率),请使用 P、NP、C 或 U 控制图
- 如果同一过程存在 短生产批次或混合产品,请使用 Z-MR 控制图
S 控制图示例
某汽车零部件工厂的质量工程师监控凸轮轴的长度。工程师每 30 分钟收集一次数据,子组大小为 5。他希望在控制图中查找特殊原因(如果有的话)。1. 过程均值和过程标准差留空,因为目前尚不得而知。2. 启用全部 8 条 Nelson 规则。
为此,工程师应用 S 控制图,并执行以下步骤:
- 收集必要的数据。

- 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
- 要找到 S 控制图,请选择 Statistical module> Control Charts>S Chart.
- 在工具内,输入数据及其他输入项如下:

5. 使用上述工具后,得到的输出如下:

如何创建 S 控制图
操作步骤如下:
- 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
- 在首页选择 Statistical Tool> Control Charts >S Chart。
- 点击 S Chart,进入工具界面。
- 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
- 接下来,填写必需的选项。
- 最后,点击页面底部的 calculate,即可得到所需结果。
在 S 控制图的工具界面中,窗口分为两部分。

左侧是数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可手动输入数据,也可从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
Load example: 将加载示例数据。
Load File: 用于直接加载 Excel 数据。
右侧提供以下选项:
- Subgroup Columns 允许您根据数据的结构选择 单列或多列。如果每个子组分布在多列中(每个测量位置一列),请选择所有这些列。如果所有测量值堆叠在一列中,请选择该单列,并另行定义子组大小。此处的选择直接决定图形如何对您的数据分组以计算子组平均值。
- Observations: 该设置定义数据在工作表中的实际排布方式。请选择与您的数据结构相符的选项:
- Observations for a subgroup are in one row of columns — 每一行包含单个子组的所有测量值,分布在多列中。例如,第 1 行有五个测量值,代表分布在五列中的子组 1。
- All observations for a chart are in one column — 所有测量值垂直堆叠在单列中,并用子组大小字段定义每个子组包含多少行。
在此选择了错误的排布方式,会导致图形对数据分组不正确,并产生无效的控制限。
- Subgroup Size 仅在 所有观测都存放在单列中时才需要。它告诉图形有多少连续行构成一个子组。例如,若子组大小为 5,图形会把第 1–5 行视为子组 1,第 6–10 行视为子组 2,依此类推。如果您的数据已按多列排布(每个测量一列),则不需要此字段,因为子组大小由所选的列数决定。
- Process mean: 过程中一组测量值或观测值的平均值。它代表过程数据随时间的集中趋势,是过程性能的关键指标。如未提供,Zometric Statistical Software 将根据所提供的数据计算中心线。
- Process sd: 衡量过程数据围绕均值的变异性或离散程度,反映过程中各数据点与过程平均值的差异大小。如果留空,Zometric Statistical Software 将根据所提供的数据进行计算。
- Sd estimation method: 为计算提供两种选择。选择 Rbar 估计法或合并标准差法会改变结果。
- Rbar Sd estimation method: 根据各子组极差的平均值除以无偏化常数 d2(Rbar/d2)来估计过程标准差。该方法推荐用于子组大小为 8 或更小的情形;对于较大的子组,合并标准差利用了每个数据点,估计更精确。Pooled Sd estimation method: 合并标准差是各子组方差的加权平均,较大的子组对总体估计的影响更大。当过程稳定时,该方法能提供更准确的标准差估计。
- Use unbiasing constants for pooled sd: 仅当使用 Pooled Stdev 方法估计 Stdev 时,此选项才适用。
- Show Decimals 控制图上描点值、控制限和中心线显示的小数位数。增加小数位数可提高读图精度;减少则使图形保持整洁,更便于展示。请选择在准确性与受众可读性之间取得平衡的水平。
- Check Rule 1: 1 point > K Stdev from center line: 检验 1 对于识别明显偏离其他子组的子组至关重要,是检测失控状况的公认工具。为提高灵敏度并检测过程中较小的偏移,可将检验 2 与检验 1 结合使用,以增强控制图的有效性。
- Check Rule 2: K points in a row on same side of center line: 检验 2 检测过程中心或变异的变化。在监控过程中的小幅偏移时,可将检验 2 与检验 1 结合使用,以提高控制图的灵敏度。
- Check Rule 3: K points in a row, all increasing or all decreasing: 检验 3 用于识别过程中的趋势。该检验专门查找一长串连续数据点的值持续上升或持续下降,这表明过程行为中可能存在潜在趋势。
- Check Rule 4: K points in a row, alternating up and down: 检验 4 用于识别过程中的系统性变异。理想情况下,过程中的变异模式应是随机的。然而,如果某个点未通过检验 4,则可能表明变异并非随机,而是遵循可预测的模式。
- Check Rule 5: K out of K + 1 points > 2 standard deviation from center line (same side): 检验 5 检测过程中的小幅偏移。
- Check Rule 6: K out of K + 1 points > 1 standard deviation from center line (same side):检验 6 检测过程中的小幅偏移。
- Check Rule 7: K points in a row within 1 standard deviation of center line (either side):检验 7 识别可能被误解为控制良好证据的变异模式。该检验检测过宽的控制限,这通常是数据分层所致。当每个子组内存在系统性变异来源,使控制限显得比应有的更宽时,就会出现分层数据。
- Check Rule 8: K points in a row > 1 standard deviation from center line (either side):检验 8 检测混合模式。在混合模式中,各点往往偏离中心线,而落在控制限附近。
- Additional CLs at Multiples of SD 1 在距中心线 ±1 个标准差 处添加一条额外的控制限线。这在图上形成一个内侧边界区,有助于应用 Western Electric 或 Nelson 规则来查找控制限内的异常模式,例如一连串点持续位于中心线同一侧。
- Additional CLs at Multiples of SD 2 在距中心线 ±2 个标准差 处添加一条额外的控制限线。这在中心线与标准的 ±3 西格玛控制限之间形成一个中间警戒区。落在 2 西格玛线与 3 西格玛线之间的点,可在某个点真正失控之前,对过程偏移发出早期预警。
- Define Stages (Historical Groups) with This Variable 允许您使用分组变量把图形划分为不同的阶段。每个阶段各自独立计算一套控制限。当已知发生过过程变更时,例如更换新机器、过程改进或原材料变化,而您希望在同一张图上比较变更前后的过程性能,这一功能很有用。
- X Scale 控制图形水平轴的显示方式。您可以调整刻度,以显示基于时间的标签、子组编号或自定义值。当您的子组对应特定的日期、班次或批次,且希望图形坐标轴反映这一背景而不仅仅是顺序编号时,这很有用,使图形更易于阅读和展示。
常见问题
什么是 S 控制图?
S 控制图监控子组的标准差(即离散程度)随时间的变化。它与 Xbar 图配合使用,在子组较大时取代 R 图,因为标准差利用了子组中的每一个数据点,而不只是最高值和最低值,因而能更精确、更灵敏地度量变异。
什么情况下应使用 S 控制图而不是 R 控制图?
当子组大小大于 8(此时标准差是比极差更可靠的度量),或需要更灵敏地检测变异的微小变化时,使用 S 控制图。对于子组大小 2 至 8,Xbar-R 图已足够,且更易于解读。
有效的 S 控制图有哪些要求?
在所有时间点保持子组大小一致,至少收集 25 个子组以建立可靠的基准控制限,并确保子组内的数据相互独立且服从正态分布。务必先查看 S 图,再解读 Xbar 图,因为不稳定的变异会使 Xbar 图的控制限不可靠。
S 控制图应使用哪种标准差估计方法?
有两种方法可用。Rbar 把过程标准差估计为平均子组极差除以无偏化常数 d2(Rbar/d2),推荐用于子组大小为 8 或更小的情形。对于较大的子组,合并标准差(各子组方差的加权平均)利用了每个数据点,估计更精确。
